基于DEA模型的全要素碳生产率与影响因素研究

利用我国30个地区1995～2010年的GDP、资本、劳动力、能源和碳排放的数据,运用DEA-Malmquist全要素碳生产率模型,对我国30个地区、东中西三大区域以及全国的全要素碳生产率进行了测算并分解为技术效率指数和技术进步变化指数,最后运用面板数据模型对全要素碳生产率的影响因素进行分析,并提出了政策建议.     

交通基础设施与中国全要素生产率增长——基于省域数据的空间面板计量分析

本文运用空间面板计量方法研究了中国的交通基础设施与全要素生产率增长之间的关系。实证研究的结果表明:中国地区间的全要素生产率在1997—2007年具有明显的空间相关性;交通基础设施对中国的全要素生产率有着显著的正向影响,2001—2007年铁路和公路基础设施存量的增加共带动中国全要素生产率增长了11.075%,占TFP整体增幅的59.100%,其中,高速公路和二级公路基础设施的带动作用最为明显;在上述贡献中,来自直接效应的部分较小,仅占25.700%,而来自空间外溢效应的部分则高达74.300%;就分时段的估计结果来看,2001—2007年铁路基础设施对全要素生产率有着持续显著的正向影响,1997—2000年高速公路基础设施对全要素生产率有着持续显著的正向影响,而其他等级公路基础设施的影响则没有显示出这种持续的显著性。     

长江经济带高耗能产业集聚及其对全要素生产率的影响研究

本文利用 P.Haggett 建立的产业集聚区位熵长江经济带六类高耗能产业 2006～2017 年的集聚状态进行评估并分析其动态变化趋势, 以全要素生产率衡量高耗能产业发展效率, 运用广义最小二乘法实证探究长江经济带高耗能产业集聚对全要素生产率的影响。 结果表明： 长江经济带高耗能产业整体集聚程度均衡, 区位熵指数总体维持在 0.85; 六类细分行业集聚水平差异明显, 石油加工业在长江经济带集聚水平表现最弱, 化工业集聚水平最强; 高耗能产业动态集聚在长江区域间呈现下游向上游梯度转移, 下游整体呈现下降趋势, 中游呈现上升趋势, 上游变化不明显; 高耗能产业集聚对全要素生产率的提升具有显著促进作用, 且主要依靠促进技术进步来提升全要素生产率; 从作用途径来看, 高耗能产业集聚对全要素生产率的积极作用主要通过人力资本水平和政府干预途径传递, 高耗能产业依赖起到负向影响。     

OFDI逆向技术溢出对高技术产业全要素生产率的影响研究——基于Malmquist指数和动态面板数据模型的实证分析

运用非参数Malmquist指数方法测算中国省际高技术产业的全要素生产率,并构建动态面板数据模型,实证检验了OFDI逆向技术外溢对高技术产业全要素生产率的影响.结果表明,OFDI技术外溢能够促进高技术行业全要素生产率的增长,但因OFDI投向的行业中,高技术行业占的比重较小,其促进作用还有待进一步提高;国内人力资本投入、国内研发投入存在着“门槛”,制约了对OFDI技术外溢的吸收.就此,文章最后提出了进一步开展OFDI的策略.     

人工智能对全要素生产率的影响研究

人工智能作为新一代信息技术,成为提升全要素生产率的新动能。本文基于省级行政区的面板数据,采用空间自相关模型(SAR),实证检验人工智能对全要素生产率的影响效果。研究发现：(1)人工智能发展能够显著提升全要素生产率水平,但影响程度存在地区异质性,其对东部地区的促进效应明显高于中、西部地区;(2)人工智能对全要素生产率具有显著正向空间溢出效应,这种正向空间溢出会显著提升相邻地区全要素生产率;(3)机制识别发现,人力资本和产业结构升级是人工智能促进全要素生产率提升的重要机制。本文研究结论有助于更好地理解全要素生产率空间策略的外在驱动力,对实现产业转型升级和经济增长至关重要。     

交通基础设施、人力资本分层集聚与区域全要素生产率——基于我国285个地级市面板数据的经验分析

本文以2003～2013年285个地级市的面板数据,考察中国交通基础设施通过人力资本流动与集聚进一步影响区域全要素生产率的内在机制。研究结果显示：（1）交通基础设施的完善对区域全要素生产率具有显著的正向作用,更加有利于大城市TFP的提升;（2）融入人力资本分层集聚及其与交通基础设施的交互作用同样促进作用显著,并且有利于大城市TFP的提升,而不利于中小城市的TFP的提升;（3）经济越发达,交通基础设施对区域全要素生产率的促进作用越明显;（4）信息化水平与交通基础设施替代作用明显,中小城市的替代作用更强。     

R＆D对我国高技术产业全要素生产率影响的定量分析

本文运用C—D生产函数，通过对高技术产业大中型企业全要素生产率的测算，讨论了影响唧的主要因素。这些主要因素不仅包括本国的研究与发展投入，还包括国外的研究与发展投入，并估算了这些因素对唧增长的作用。结论是，高技术产业大中型企业的TFP对产出增长起了主要作用，企业的研究与发展投入是促进TFP增长的主要因素。     

R&D对我国高技术产业全要素生产率影响的定量分析

本文运用C-D生产函数,通过对高技术产业大中型企业全要素生产率的测算,讨论了影响TFP的主要因素.这些主要因素不仅包括本国的研究与发展投入,还包括国外的研究与发展投入,并估算了这些因素对TFP增长的作用.结论是,高技术产业大中型企业的TFP对产出增长起了主要作用,企业的研究与发展投入是促进TFP增长的主要因素.     

全要素生产率对出口贸易的影响——基于广东省的实证分析

作为我国外贸大省之一,广东省外贸进出口总值连续22年蝉联全国第一,但海关统计数据显示,广东省外贸增速已连续5年低于全国,占全国比重也逐年下降。在世界经济危机下,广东的出口形势更加严峻。因此在这种环境下分析出口贸易的影响因素,进而找到相应的对策显得十分重要。本文采用数据包络分析法,运用广东省21个地级市的投入和产出数据创立生产前沿面,对广东省的全要素生产率进行测算。通过跨期效用函数建立了数理模型来证明技术进步对出口贸易产生影响。另外,利用全要素生产率的分析结果,通过协整和建立误差修正模型来分析全要素生产率和出口贸易的长期和短期关系。结果表明,技术进步与出口贸易存在协整关系,误差修正模型中短期调整系数为负数,能较好的保持稳定。     

国外R&D溢出对我国制造业全要素生产率的影响研究

新贸易理论认为发达国家的R&D溢出对发展中国家的技术进步起到重要作用,而国家之间的贸易是R&D溢出的重要渠道,本文结合Jaffe的技术相似性理论认为,R&D溢出应包含两个过程:通过国际贸易产生的显性溢出和通过技术相似性产生的隐性溢出.使用以上理论构建了R&D溢出模型,并检验外国R&D溢出、我国的研发投入对我国制造业全要素生产率的影响,发现外国R&D溢出对我国的制造业生产率的当期影响不显著,但对以后年份生产率提高有较大作用.     

The Determinants of Technology Adoption in Italian Manufacturing Industries

The adoption of new technologies in Italian manufacturing industries is analysed using data for 13,334 firms selected from the 1990–92 Community Innovation Survey. The determinants of technology adoption are analysed in an econometric framework (logit model) which is a general test of different theoretical explanations of technological diffusion. We particularly refer to the rank, epidemic and information effects which significantly affect the use of new technology in Italian manufacturing industries. We use a set of explanatory variables which enables us to set up a well specified empirical model and to use odds ratios to determine the effect of their changes on the adoption probability, thus giving a more precise picture of the determinants of technology adoption.     

中国制造业贸易成本的测度

传统贸易成本的估计采用缺乏微观基础且基于对称性假设的理论模型,本文利用克服以上缺点的模型,估计了中国与主要贸易伙伴之间制造业各产业的贸易成本,结果显示:1997—2007年,中国与主要贸易伙伴的贸易成本在制造业各产业上都表现出不同程度的逐年下降趋势,在制造业所有的产业中,高技术型制成品贸易成本最低,下降幅度最大。在主要贸易伙伴中,中国与日本、韩国的贸易成本低于欧美国家。中国与欧美等发达国家之间存在较大的技术鸿沟,高技术产业仍处于国际产品内分工的低端环节。因此,国家亟待调整和出台国际贸易及相关支持政策,引导、促进中国制造业在国际产业价值链中加快升级,减少贸易成本。     

世界分工体系中的中国制造业

中国经济以非常快的速度融入世界经济，特别是中国制造业正在越来越深刻、越来越广泛地融入国际分工体系之中，中国市场成为国际市场的组成部分。中国工业高速增长同中国经济的快速对外开放和日益融入国际产业分工体系有着极为密切的关系。进入21世纪，随着经济实力和竞争力的不断增强，中国各工业部门的产业链继续延伸，产业融合进程特别是高新技术产业同传统产业的融合进程明显加快，产业创新能力显著增强，从而为中国走向新型工业化的道路奠定了基础。由于外国企业的大量进入，在中国市场上形成了中中、中外、外外之间的立体交叉竞争。即中国企业同中国企业的竞争、中国企业同外国企业的竞争、外国企业同外国企业的竞争，构成了中国制造业市场竞争的独特画面。世界产业的信息化、全球化、环保化趋势对中国产业发展产生了越来越广泛和深刻的影响，促进中国必须探索新型工业化的道路。中国的新型工业化，对于制造业本身而言，必然表现出“多元化、多技术、多层次”的显著特征。     

制造业生产效率的国际比较

本文通过对劳动生产率工业增加值率、劳动报酬占增加值比重等指标进行国际比较,分析了我国制造业与世界先进水平的差距,并在这外基础上概括出具有相对优势的行业和有双重劣势的行业,国际比较发现,劳动生产率的差距使我国劳动力成本低的优势得不到有效发挥。     

跨国公司进入及其对中国制造业的影响

目前，大型跨国公司在华投资开始成为中国利用外商直接投资的主流。比较现代跨国公司和传统跨国公司的区别，现代跨国公司在中国制造业发展中的地位，已由“一个中心”成为“多个中心”，即生产制造中心、跨国采购中心、研究开发中心、服务中心和地区营运中心。以跨国公司为代表的外国直接投资，对中国制造业的增长机制、增长速度、增长质量和增长效益做出了重要贡献。随着国人对跨国公司进入引致的一系列问题在认识上的不断深化，诸如谁更安全、受剥削吗、“引进来”还是“走出去”、“姓内”还是“姓外”等，其结论是：按照国际惯例利用跨国公司。中国应当积极应对跨国公司进入，中国制造业的发展需要借助跨国公司，全面融入经济全球化之中。     

中国制造业技术创新投入产出效率的DEA聚类分析

技术创新是提高企业竞争力的重要途径.运用DEA-最优分割聚类法对中国28个制造行业的技术创新效率进行实证分析.研究发现中国制造业技术创新效率总体水平较低,高技术制造业比传统制造业效率更低,制约制造业技术创新效率提高的主要原因是科技经费内部支出利用率低,产学研合作效率低,专利申请数不足.最后,提出改进中国制造业技术创新效率的建议.     

交通基础设施对制造业企业库存的降低效应研究--基于空间计量模型的实证分析

在理论分析交通基础设施对制造业企业库存成本降低效应的基础上,利用2002～2011年的中国省级面板数据,对该效应进行实证检验。结果表明：交通基础设施能够显著降低本省制造业企业库存成本,但对周边省份库存成本的影响具有不确定性。具体而言,铁路能够显著降低周围省份库存成本,即空间溢出效应显著为负;但公路显著增加周边省份库存成本,即空间溢出效应显著为正。     

The Economic Effects of Unionism on Japanese Manufacturing Enterprises

Abstract : This paper examines the relationship between unions and the economic performance of firms in the Japanese manufacturing sector. Although the effects of trade unions on the enterprise has been the subject of substantial research over the past decade, this research has focused almost exclusively on Western systems of industrial relations and union organization. In this study, Japanese enterprise unions were found to be associated with significantly lower levels of profit, lower productivity and higher levels of capital intensity. These results challenge the commonly held views of a subservient and dependent union movement in Japan.     

A DEA Approach to Understanding the Productivity Growth of Malaysia's Manufacturing Industries

This paper seeks to explain the productivity growth performance of Malaysia's manufacturing sector using a panel data of 28 industries from 1981–1996. Here, the data envelopment analysis technique is used to calculate and decompose the Malmquist index of total factor productivity (TFP) growth into technical change, change in technical efficiency and change in scale efficiency. This allows the identification of the sources of productivity growth which is crucial for policy formulation. It was found that the annual TFP growth of the Malaysian manufacturing sector was low at 0.8% and this was driven by small gains in both technical change and technical efficiency, with industries operating close to optimum scale.